人工智能时代，你还不赶快学推荐系统！

本篇将继续来说推荐系统的评价指标，上篇已经讲了推荐系统的用户满意度、预测准确度、覆盖度、多样性等4个指标，如果读者没有阅读，可以先去读一下《推荐系统是否做的好，这几大指标你知道吗？快来学！》。下面将继续介绍新颖性、惊喜度、信任度、实时性、健壮性、商业目标等6个推荐系统评价指标。

1、新颖性

看下面的美女，清新漂亮，她给你的感觉就是新颖性，因为你没见过这么清新环境下的美女，看完还给你留下一丝幻想。对新闻推荐来说，你不能给用户推荐重复的文章或者旧闻，要保证文章的新颖性。有的文章如历史类，可能不具有时效性的特点，比如关于秦始皇的文章可以在今天推荐也可以在一个月之后推荐，但用户并不会感到一个月后推荐就过时了，但是一定不要重复推荐，如果用户之前已经看过了，就应该把这篇文章过滤掉，尽管它非常符合用户的口味，但是不具有新颖性。针对近期发生的时效性新闻文章，例如最近的世界杯赛事，这些文章应该在近期马上给用户推送，而不能等到过几个月再去推送。现在如果给你推送一条2008年北京奥运会的赛事文章，估计你会觉得怪怪的。

2、惊喜度

惊喜度就是你看完给你推荐的文章内容，你会像下面的小妹妹一样做出“哇哦”的表情和手势。比如你是一个程序员，你对推荐系统、大数据等技术文章很感兴趣，在你没接触烹饪之前，你也不知道对它感不感兴趣，这个时候，一旦给你推荐了一篇如何做西红柿炒鸡蛋的文章之后，你发现原来学炒菜也这么有意思，然后觉得又发现了新天地，你的脑海里不再只有代码满天飞，也有了生活的情调。惊喜度就是让推荐系统具有主动挖掘用户兴趣的能力，帮助用户发现兴趣，持续不断的给用户制造惊喜，增加用户的粘性。

3、信任度

信任度就是让用户对推荐系统产生一定的信任。比如你有两个朋友，一个人你很信任，而另一个人经常满嘴跑火车。如果你准备去旅游，你信任的朋友建议你去某个地方旅游，你很有可能听从他的建议，而另外一个不靠谱的哥们建议你去同样的地方旅游，你肯定不会考虑的，你看，你对同样的推荐结果造成了不同的反应。可以看出信任关系在推荐系统中还是非常需要的。比如淘宝，大家都听说过淘宝上面假货太多，每次在上面买东西都是非常小心的挑选，那么淘宝给你推荐的物品，大部分人几乎都不会考虑的，这个就是信任问题，因为你从心里面就对它进行了排斥。如何增加用户对推荐系统的信任度呢？主要是增加推荐系统的透明性。比如下面的新闻推荐中，每条新闻下面都有来源，如果你一看是新华网的文章，肯定会觉得“呀，这是国家正规媒体啊，可信度是非常高的”，那么你就对文章非常信任，对这款新闻推荐软件也会增加好感。如果整天推荐的文章标题全是哪里哪里又发生大事了，国人震惊这种，并且还不显示文章来源，那么你将会陷入一片困顿和迷茫，不知新闻是真是假。文章显示来源就显示出了推荐系统的透明性。当然还有其他一些方面，比如一篇文章下面显示附近的人都在看，这个就表现出了推荐系统给你推荐这篇文章的理由，即根据地理位置推荐。通过文章的来源和给你推荐的理由等信息的清晰展示，你会对系统产生信任，从而和系统产生更多的交互。

4、实时性

实时性在前面也稍微提及到了一些，比如近期新闻的推荐，你就要及时的把新闻分发出去，不能让它过时。再一个实效性反映在推荐系统的响应上，比如这两天你点击了深度学习相关的文章，并进行了点赞和评论，而且点击的文章数目非常多，那么系统在下一刷中就要及时的根据你刚才的行为作出迅速的响应，应该给你推荐更多相关垂直领域的有价值的文章。如果系统响应特别慢，几天后才反应过来，那么就应了一句老话：“等你等的黄花菜都凉了”。那么用户就感觉这个系统不行，好特么垃圾。

5、健壮性

推荐系统应该具有健壮性，包括系统本身的稳定性，大多数没有在互联网公司工作的同学可能对系统的稳定性没有太多感受。但是作为一个在职开发工程师，手机时常能收到系统监控平台的报警短信，对系统的性能指标抖动进行告警，比如后台服务在高峰期延迟变严重或者数据在网络中丢失等情况。后台服务为了满足亿万用户保持稳定是很不容易的，除了大量机器的投入，还有开发人员日夜守候。还有一些其他方面会影响系统的健壮性，比如对推荐系统进行攻击，攻击推荐算法，进行作弊行为等，由于这个感受并不深，所以就不详细展开了。

6、商业目标

推荐系统给用户提供优质的推荐服务，除了方便用户的生活，更加重要的一点是要盈利，通过推荐系统可能增加投放广告的点击率和转化率，如果是商品的话，可以增加商品的销量，这些都可以给公司带来可观的收益。由于咱们是技术人员，这个财务问题就不展开说了。

如果喜欢我的文章，可以对我进行关注！点赞和评论！关于推荐系统的文章会持续更新！